Ranipuspitasari: Jaringan Syaraf Tiruan (Neural Network)

Jaringan syaraf tiruan (artifical neural network) adalah sistem komputasi yang arsitektur dan operasinya diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut.

Adapun cara belajar jaringan saraf tiruan sebagai berikut:

Ke dalam jaringan saraf tiruan diinputkan informasi yang sebelumnya telah diketahui hasil keluarannya. Penginputan informasi ini dilakukan lewat node-node atau unit-unit input. Bobot-bobot antar koneksi dalam

suatu arsitektur diberi nilai awal dan kemudian jaringan saraf tiruan dijalankan. Bobot-bobot ini bagi jaringan digunakan untuk belajar dan mengingat suatu informasi. Pengaturan bobot dilakukan secara terus-menerus dan dengan menggunakan criteria tertentu sampai diperoleh keluaran yang diharapkan.

Lapisan – lapisan penyusun jaringan saraf tiruan dapat dibagi menjadi tiga, yaitu:

1. Lapisan input

Node-node di dalam lapisan input disebut unit-unit input. Unit-unit input menerima

input dari dunia luar. Input yang dimasukkan merupakan penggambaran dari suatu

masalah.

2. Lapisan tersembunyi

Node-node di dalam lapisan tersembunyi disebut unit-unit tersembunyi. Output dari

lapisan ini tidak secara langsung dapat diamati.

3. Lapisan output

Node-node pada lapisan output disebut unit-unit output. Keluaran atau output dari

lapisan ini merupakan output jaringan saraf tiruan terhadap suatu permasalahan.

jaringan saraf tiruan dibagi ke dalam 3 macam arsitektur, yaitu:

1. Jaringan lapisan tunggal

Jaringan yang memiliki arsitektur jenis ini hanya memiliki satu buah lapisan bobot

koneksi. Jaringan lapisan-tunggal terdiri dari unit-unit input yang menerima sinyal dari

dunia luar, dan unit-unit output dimana kita bias membaca respons dari jaringan saraf

tiruan tersebut.

2. Jaringan multilapis

Merupakan jaringan dengan satu atau lebih lapisan tersembunyi. Multilayer net ini

memiliki kemampuan lebih dalam memcahkan masalah bila dibandingkan dengan

single-layer net, namun pela-tihannya mungkin lebih rumit.

3. Jaringan kompetitif

Jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif.

Aplikasi aplikasi jaringan syaraf tiruan sebagai berikut :

Jaringan Syaraf Tiruan

Adapun cara belajar jaringan saraf tiruan sebagai berikut:

Ada banyak alas an mengapa jaringan saraf tiruan perlu dipelajari, antara lain:

1. Ada banyaknya teknik (algoritma) jaringan saraf tiruan yang tersedia. Teknik-teknik yang

ada saat ini memiliki arsitektur yang sangat beragam dan canggih. Ini berbeda jauh dengan arsitektur jaringan saraf tiruan pada masa-masa awal perkembangan jaringan saraf tiruan> Pada waktu itu model yang ada sangat sederhana sehingga aplikasinya pun terbatas.

2. Adanya computer digital berkecepatan tinggi. Hal semakin mempermudah proses simulasi jaringan saraf tiruan.

3. Aplikasi yang sangat luas.Bidang-bidang penelitian yang memanfaatkan jaringan saraf tiruan diantaranya:

Aeorospace

Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat,

perbaikan autopilot dan simulasi komponen pesawat.

Otomoti

Sistem kendali otomatis mobil.

Keuangan dan Perbankan

Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham.

Pertahanan (Militer)

Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali

sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi

bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.

Elektronik

Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan

secara efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan

robot, sintesis suara.

Broadcast

Pencarian klip berita melalui pengenalan wajah.